<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Candy__1的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Candy__1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Candy__1]]></copyright><item><title><![CDATA[ROS与MATLAB网络连接]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/124234225</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/124234225</guid><author>Candy__1</author><pubDate>Mon, 18 Apr 2022 12:48:33 +0800</pubDate><description><![CDATA[这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
欢迎使用Markdown编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar]]></description><category></category></item><item><title><![CDATA[Ubuntu+ROS-noetic+vscode+anacoda+tensorflow python解释器路径矛盾与解决措施]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/123167299</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/123167299</guid><author>Candy__1</author><pubDate>Sun, 27 Feb 2022 19:45:31 +0800</pubDate><description><![CDATA[Ubuntu+ROS-noetic+vscode+anacoda+tensorflow python解释器路径矛盾与解决措施
起因：本人系统Ubuntu20.04，用anacoda搭建pyhon3虚拟环境进行ros+tensorflow2.4.0GPU强化学习机器人导航仿真，在运行的过程中出现以下问题：
AttributeError: 'google.protobuf.pyext._message.RepeatedCompositeCo' object has no attribute 'append'

]]></description><category></category></item><item><title><![CDATA[利用GCN图卷积神经网络求解数独问题]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/121432996</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/121432996</guid><author>Candy__1</author><pubDate>Sat, 20 Nov 2021 13:34:35 +0800</pubDate><description><![CDATA[深度学习求解数独相关问题探讨
前言
数独（shù dú, Sudoku）是源自18世纪瑞士的一种数学游戏。是一种运用纸、笔进行演算的逻辑游戏。玩家需要根据9×9盘面上的已知数字，推理出所有剩余空格的数字，并满足每一行、每一列、每一个粗线宫（3*3）内的数字均含1-9，不重复。
数独盘面是个九宫，每一宫又分为九个小格。在这八十一格中给出一定的已知数字和解题条件，利用逻辑和推理，在其他的空格上填入1-9的数字。使1-9每个数字在每一行、每一列和每一宫中都只出现一次，所以又称“九宫格”。

是否能利用深度学习进行]]></description><category></category></item><item><title><![CDATA[机器学习-实验评估方法与性能度量]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/120642985</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/120642985</guid><author>Candy__1</author><pubDate>Sun, 10 Oct 2021 13:25:09 +0800</pubDate><description><![CDATA[机器学习-实验评估方法
在现实任务中，我们往往有多种学习算法可供选择，甚至对同一个学习算法，当使用不同参数配置时，也会产生不同的模型。我们该选择哪一个学习算法、使用哪一种参数配置呢？这就是机器学习中的模型选择问题。模型选择当然是选择出泛化误差(模型适应新样本的能力)小的那个模型，那问题又来了，怎么去衡量模型的泛化误差呢？这里我们需要用到一系列的实验评估方法获得某种性能度量指标，然后依据指标对学习器性能比较之后得到理想的模型。
评估方法
通常，我们可以通过实验测试来对学习器的泛化误差进行评估。于是，我们需要一]]></description><category></category></item><item><title><![CDATA[基于OpenCV的图像融合]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/120622798</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/120622798</guid><author>Candy__1</author><pubDate>Wed, 06 Oct 2021 11:34:10 +0800</pubDate><description><![CDATA[OpenCV实践-基于OpenCV的图像融合
–《小白学视觉》学习笔记
我们可以尝试多种不同图像组合。 比如可以将两张不同的图片或文本图像与图像组合在一起， 或将彩色背景与圈像组合在一起。 我将把文本图像与漂亮的背景图像混合在一起。 让我们先来看看这两个图像：



导入图像

import cv2 as cv
bg=cv.imread('OIP-C.jfif',cv.IMREAD_COLOR)
fg=cv.imread('R-C.jfif',cv.IMREAD_COLOR)


调整大小

print(']]></description><category></category></item><item><title><![CDATA[直方图基于OpenCV4]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/120617268</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/120617268</guid><author>Candy__1</author><pubDate>Tue, 05 Oct 2021 21:06:58 +0800</pubDate><description><![CDATA[直方图基于OpenCV4
图像直方图是图像的重要统计特征，是表示数字图像中的每一灰度级与该灰度级出现的频数(该灰度级的数目)间的统计关系。按照直方图定义可表示为：
P(rk)=nkN(k=0,1,2,⋯ ,L−1)P(r_k)=\frac{n_k}{N}    \qquad (k=0,1,2,\cdots ,L-1)P(rk​)=Nnk​​(k=0,1,2,⋯,L−1)
式中：NNN为一幅图像的总像素数；nkn_knk​为第kkk级灰度的像素数；rkr_krk​为第kkk级灰度级；LLL为灰度级数；P(rk]]></description><category></category></item><item><title><![CDATA[图像比例缩放-基于等间隔采样(附加MATLAB程序）]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/120230251</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/120230251</guid><author>Candy__1</author><pubDate>Fri, 10 Sep 2021 22:20:00 +0800</pubDate><description><![CDATA[图像比例缩放-基于等间隔采样(附加MATLAB程序）
图像的比例缩放是指将给定的图像在xxx轴方向按比例缩放fxf_xfx​倍，在yyy轴方向按比例缩放fyf_yfy​倍。
在计算机图形中，每一个节点储存的是该节点的坐标(x,y)(x,y)(x,y)，各节点以一定的规律连接之后便构成了相应的形状。对于每一个节点，可对其进行比例缩放。比例缩放前后两点P0(x0,y0)P_0(x_0,y_0)P0​(x0​,y0​)和P(x,y)P(x,y)P(x,y)之间的关系用矩阵表示为：
[xy1]=[fx000fy00]]></description><category></category></item><item><title><![CDATA[安装OpenCV]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/120191106</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/120191106</guid><author>Candy__1</author><pubDate>Wed, 08 Sep 2021 23:17:38 +0800</pubDate><description><![CDATA[安装OpenCV
目前安装OpenCV的方式主要有两种，一种是通过下载OpenCV安装包进行安装OpenCV-python，另一种则是通过pip方式安装，本节主要简单快捷的方式：通过pip方式安装OpenCV-python
（1）使用指令pip install opencv-python安装最新版本的Opencv
安装成功界面应该如下：

（2）OpenCV主库中的函数可以满足大部分图像处理的需求，但像图像细化、SURF特征算法等函数放在Contrib扩展模块中。可以通过指令pip install open]]></description><category></category></item><item><title><![CDATA[伪彩色增强(基于MATLAB）]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/120122167</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/120122167</guid><author>Candy__1</author><pubDate>Mon, 06 Sep 2021 12:53:50 +0800</pubDate><description><![CDATA[伪彩色增强(基于MATLAB）
基于人眼生理视觉系统，对彩色微小差别的敏感程度远大于对灰度差别的敏感程度，彩色增强已经成为一门应用广泛的图像处理技术，其中伪彩色增强技术显得尤为突出。
首先得明确真彩色与伪彩色的区别：
1.真彩色
真彩色是RGB颜色的一种流行叫法。真彩色图像的分光系统与色光合成如下图所示：

2.伪彩色
将一幅灰度图像按灰度级别映射到彩色图像

常用的伪彩色图像增强方法：
（1）灰度分层法伪彩色处理
灰度分层那法又称灰度分割法或密度分层法，是伪彩色处理技术中最基本、最简单的方法。设一幅灰度图]]></description><category></category></item><item><title><![CDATA[图像锐化-梯度算子]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/120115063</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/120115063</guid><author>Candy__1</author><pubDate>Sun, 05 Sep 2021 16:36:35 +0800</pubDate><description><![CDATA[图像锐化-梯度算子
该博文参考《数字图像处理》-杨帆
在图像识别中，需要有边缘鲜明的图像，及图像锐化。。然而边缘模糊是图像处理中常见的图像问题，由此造成的轮廓不清晰，线条不鲜明，使图像特征提取、识别、理解难以进行。
根据图像信号的频率特性，大面积的背景区域和缓慢变化的部分代表图像的低频分量，而他的边缘、细节、跳跃部分等都代表了高频分量，利用这一特性，我们可基于高通滤波来增强细节信息从而达到锐化目的的本质。
1.梯度算子
图像锐化中最常用的方法市梯度法。对图像f(x,y){\color{Blue} f(x,y]]></description><category></category></item><item><title><![CDATA[利用PaddleSeg框架进行图像分割]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/119618628</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/119618628</guid><author>Candy__1</author><pubDate>Fri, 13 Aug 2021 18:23:50 +0800</pubDate><description><![CDATA[利用PaddleSeg框架进行图像分割一、基础理论1.神经网络2.卷积神经网络二、使用步骤1.引入库2.读入数据总结
一、基础理论
1.神经网络
对于线性回归，大家并不陌生,假设样本与输出关系如下：

模型的求解就是通过数据拟合出wjw_{j}wj​和bbb。我们可以将这种线性关系等价于一系列线性神经元(神经网络的标准结构中每个神经元由加权和与非线性变换构成，然后将多个神经元分层排列并连接形成神经网络。线性回归模型可以认为是神经网络模型的一种极简特例，是一个只有加权和、没有非线性变换的神经元)

每个神经元]]></description><category></category></item><item><title><![CDATA[我的第一个C++/OpenGl应用程序]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/119064468</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/119064468</guid><author>Candy__1</author><pubDate>Sat, 24 Jul 2021 22:59:10 +0800</pubDate><description><![CDATA[我的第一个C++/OpenGl应用程序
前面已经介绍了基本的OpenGl的概念，相关请参阅计算机图形学入门，同时也详细搭建了C++/OpenGl在Visual Studio2019上的环境MS Visual Studio上OpenGl环境搭建。有了这些基本的准备就够了，现在，就是现在，我们一起开启OpenGl的大门。
首先，有必要重申一下计算机图形编程的基本流程：

这里，我们仅仅讨论其第一个环节，创建GLFW windows，今天为创建GLFW window所需的内容及其所有操作环节并不涉及着色器及其相应]]></description><category></category></item><item><title><![CDATA[MS Visual Studio上OpenGl环境搭建]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/118968653</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/118968653</guid><author>Candy__1</author><pubDate>Wed, 21 Jul 2021 20:34:04 +0800</pubDate><description><![CDATA[MS Visual Studio上OpenGl环境搭建
之前已经介绍了OpenGl计算机图形学编程，可以直接参考OpenGl计算机图形学入门。
下面将介绍Visual Studio2019上的整个OpenGl环境搭建流程。
（一）准备GLFW
1.网页搜索GLFW


2.下载32位的预编译好的二进制文件，并进行解压，备用(如果无法正常运行，需下载源码文件，并下载安装CMAKE进行编译生成lib文件）
（二）准备GLEW
1.网页搜索GLEW

2.点击下载32位或64位二进制文件，解压后备用

（三）准备]]></description><category></category></item><item><title><![CDATA[OpenGl计算机图形学入门]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/118963470</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/118963470</guid><author>Candy__1</author><pubDate>Wed, 21 Jul 2021 15:35:39 +0800</pubDate><description><![CDATA[OpenGl计算机图形学入门前言一、OpenGl及GLSL二、语言1.C++及C++应用程序（1）C++（2）C++应用程序三、库1.GLFW 窗口管理库2.GLEW 扩展库3.GLM 数学库4.SOIL2 纹理管理库四、OpenGl管线

前言
当今，图形编程时基于着色器的，也就是说，许多程序是用着色器语言编写的，并运行于显卡（GPU) 上。实现计算机图形的编程，需要我们借助一系列的语言平台(目前最流行的语言为C++)，同时需要提供能对底层图形进行操作支持的Opengl Graphics Library(]]></description><category></category></item><item><title><![CDATA[牛顿-科特斯(Newton-Cotes)数值积分学习笔记]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/115271492</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/115271492</guid><author>Candy__1</author><pubDate>Sun, 28 Mar 2021 15:53:05 +0800</pubDate><description><![CDATA[牛顿-科特斯(Newton-Cotes)数值积分学习笔记
微积分是我们数学领域一个强大的工具，科学研究领域乃至生活中的方方面面都渗透着微积分的思想。
学过高等数学的我们都知道，对于I=∫abf(x){\color{Blue} I=\int_{a}^{b}f(x)}I=∫ab​f(x)这样一个定积分，运用牛顿-莱布尼兹公式（Newton-Leibniz formula)∫abf(x)=F(b)−F(a)\int_{a}^{b}f(x)=F(b)-F(a)∫ab​f(x)=F(b)−F(a)可以很方便快捷地求解]]></description><category></category></item><item><title><![CDATA[利用特征值与特征向量求解弹性力学中的主应力与主平面问题]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/115214844</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/115214844</guid><author>Candy__1</author><pubDate>Fri, 26 Mar 2021 12:38:43 +0800</pubDate><description><![CDATA[利用特征值与特征向量求解弹性力学中的主应力与主平面问题前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结

前言
已知物体在任意一点的六个应力分量

提示：以下是本篇文章正文内容，下面案例可供参考
一、pandas是什么？
示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
二、使用步骤
1.引入库
代码如下（示例）：
import numpy as np
import pandas as pd
import matplotlib.pyplot as p]]></description><category></category></item><item><title><![CDATA[平稳时间序列以及MATLAB相关工具箱学习笔记]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/113524409</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/113524409</guid><author>Candy__1</author><pubDate>Tue, 02 Feb 2021 15:03:12 +0800</pubDate><description><![CDATA[平稳时间序列以及MATLAB相关工具箱学习笔记
概念
（1）平稳序列

即序列的均值是个常数，与序列长度、起始位置无关。
直观看上去，该序列类似于围绕某一个值上下波动（该值为平稳序列均值）。

（2）平稳白噪声序列

所谓噪声，可以理解为一种非周期性的扰动。由于其自协方差函数值为0，于是其各序列值没有任何相关关系，所以说平稳白噪声序列是一段没有记忆的平稳序列。
在MATLAB中可用如下代码生成高斯分布下的平稳白噪声序列：
elps=randn(1,1000);
plot(elps)

基本的平稳时间序列
（]]></description><category></category></item><item><title><![CDATA[浅析遗传算法在规划中应用]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/113342427</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/113342427</guid><author>Candy__1</author><pubDate>Sat, 30 Jan 2021 00:11:53 +0800</pubDate><description><![CDATA[浅析遗传算法在规划中应用前言一、遗传算法的原理(1)(1)(1)概念阐述自然选择遗传和变异(2)(2)(2)算法流程1.初始种群2.优胜劣汰3.遗传变异二、使用步骤1.引入库2.读入数据总结

前言
遗传算法（Genetic Algorithms，简称 GA）是一种基于自然选择原理和自然遗传机制的搜索（寻
优）算法，它是模拟自然界中的生命进化机制，在人工系统中实现特定目标的优化。遗传算法
的实质是通过群体搜索技术，根据适者生存的原则逐代进化，最终得到最优解或准最优解。
它必须做以下操作：
• 初始群体的产生]]></description><category></category></item><item><title><![CDATA[浅析模拟退火算法及其MATLAB程序实现]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/112982783</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/112982783</guid><author>Candy__1</author><pubDate>Mon, 25 Jan 2021 15:07:09 +0800</pubDate><description><![CDATA[浅析模拟退火算法及其MATLAB程序实现
文章目录浅析模拟退火算法及其MATLAB程序实现前言一、模拟退火的基本原理材料统计力学中的退火现象模拟退火（1）（1）（1）组装邻接矩阵D（2）（2）（2）解空间（3）（3）（3）目标函数（4）（4）（4）新解的产生（5）（5）（5）代价函数差（6）（6）（6）接受准则（6）（6）（6）降温（7）（7）（7）终止条件二、MATLAB程序实现1.引入库2.读入数据总结
前言
现代优化算法是 80 年代初兴起的启发式算法。这些算法包括禁忌搜索（tabusearch），模]]></description><category></category></item><item><title><![CDATA[jacobi旋转法的VB实现]]></title><link>https://blog.youkuaiyun.com/Candy__1/article/details/112975246</link><guid>https://blog.youkuaiyun.com/Candy__1/article/details/112975246</guid><author>Candy__1</author><pubDate>Fri, 22 Jan 2021 00:08:49 +0800</pubDate><description><![CDATA[jacobi旋转法的VB实现一、jacobi方法概要1.jacobi方法的基本思想:jacobi旋转法是通过一组平面旋转变换（构建一个平面旋转矩阵）对**实对称方阵A**进行相似对角化，化其为*对角阵*，进而求出特征值与特征向量的方法。2.jacobi方法的基本步骤&lt;1&gt;.选取非对角线元素的主元素(这里只画出了上三角阵）ai(p,q)a_i(p,q)ai​(p,q)&lt;2&gt; 构造如下形式的旋转矩阵其中：(1) app=aqqa_{pp}=a_{qq}app​=aqq​时，tan⁡(2θ]]></description><category></category></item></channel></rss>